Introduzione

Marco Minghetti

Quando un agente AI prepara il dossier sul quale un gruppo dirigente prenderà una decisione, il suo compito sembra istruttorio. Raccoglie informazioni, confronta documenti, seleziona alternative, segnala rischi. La decisione conserva una titolarità umana. Almeno in apparenza.

Una parte decisiva del processo si è già consumata prima che la riunione abbia inizio. Quali fonti sono state considerate affidabili? Quali candidati sono scomparsi dalla rosa? Che peso è stato assegnato al prezzo rispetto alla solidità finanziaria? In quale ordine vengono presentati i rischi? La sintesi offerta ai decisori contiene una risposta implicita a ciascuna di queste domande.

L’agente prepara la decisione e stabilisce il campo entro cui essa diventa pensabile.

Il contributo di Paolo Capodanno prende avvio da questa consapevolezza e propone di considerare gli agenti AI come infrastrutture dell’attenzione e della conoscenza organizzativa. La definizione sposta il dibattito oltre le prestazioni tecniche. Un agente seleziona ciò che merita attenzione, costruisce gerarchie informative e suggerisce connessioni. Mentre svolge un compito, interviene sul modo in cui l’organizzazione osserva la realtà, la interpreta e decide come agire.

La questione riguarda dunque il governo della conoscenza. Riguarda anche il rischio di una resa cognitiva, che comincia quando la comodità della risposta riduce il desiderio di verificare la domanda.

I Prolegomeni hanno esaminato più volte questo passaggio critico. Nel Prolegomeno 151 abbiamo osservato il divario fra la diffusione dell’intelligenza artificiale nelle pratiche individuali e la difficoltà delle imprese nel trasformarla in una capacità organizzativa. Il Prolegomeno 161 ha ricondotto tale lentezza alla cultura, ai processi e alle responsabilità, sottraendola alla rassicurante spiegazione dell’arretratezza tecnologica. Il Prolegomeno 180 di Federico Mattia Dolci ha riportato il giudizio umano dentro la catena del valore, mostrando quanto sia fragile ogni automazione che ignori la differenza fra esecuzione e deliberazione. Nel Prolegomeno 192 Daniel Trabucchi e Tommaso Buganza hanno aggiunto la prospettiva del Platform Thinking, dove orchestrazione e co-creazione sostituiscono l’illusione di un controllo esercitato da un unico centro.

Capodanno raccoglie questi fili e li lega a una domanda ulteriore: quale forma di intelligenza stiamo incorporando nelle organizzazioni?

La risposta chiama in causa il nuovo umanesimo digitale evocato nel titolo. L’espressione potrebbe suonare consolatoria se venisse usata per opporre la persona alla macchina o per reclamare il ritorno a una presunta autenticità anteriore agli algoritmi. Capodanno le assegna un significato più esigente. Umanesimo digitale indica il criterio con cui valutare una tecnologia a partire dagli effetti che produce sulla capacità umana di comprendere, scegliere e rispondere delle proprie azioni.

La produttività perde così il privilegio di misura esclusiva. Ridurre i tempi di elaborazione o aumentare il numero degli output dice poco sulla qualità della conoscenza generata. Un sistema può accelerare il lavoro e indebolire il giudizio. Può estendere l’accesso alle informazioni e comprimere lo spazio della discussione. Può offrire una raccomandazione corretta, mentre abitua chi la riceve a considerare superfluo il percorso che l’ha prodotta.

Il rischio della resa cognitiva si manifesta in questa delega senza attrito. Le persone continuano a firmare le decisioni, benché abbiano rinunciato a ricostruirne le premesse. Conservano l’autorità formale e perdono, un passaggio dopo l’altro, la competenza necessaria per esercitarla.

Capodanno collega la vita organizzativa a una trasformazione più vasta dello spazio pubblico. Roberto Saviano descrive una censura generata dall’eccesso: il flusso informativo cresce fino a rendere arduo riconoscere ciò che conta. Vito Mancuso recupera l’etimologia di inter-legere e affida all’intelligenza il compito di legare, distinguere e creare relazioni dotate di senso. Le due prospettive convergono sugli agenti AI. Selezionare informazioni significa distribuire attenzione. Creare connessioni comporta una responsabilità verso ciò che viene collegato e verso ciò che resta escluso.

L’agente che riassume la posta di un manager, assegna le priorità a un backlog o prepara il triage degli incidenti svolge già una funzione editoriale. Decide che cosa debba apparire in primo piano, che cosa possa attendere e che cosa rischi di scomparire. La neutralità tecnica si rivela allora una finzione poco utile. Occorre rendere leggibili i criteri e contestabili le raccomandazioni, conservando la possibilità di revocare l’autonomia concessa al sistema.

Il caso del fornitore strategico, sviluppato nel testo, rende concreta questa esigenza. Un agente orientato alla cura mostra anche i candidati esclusi, dichiara le fonti, segnala i dati in conflitto e presenta la propria raccomandazione come ipotesi sottoposta al giudizio del gruppo. La cura assume qui un valore organizzativo preciso: protegge lo spazio della deliberazione.

Da questa prospettiva discendono i requisiti indicati da Capodanno per il governo degli agenti. La trasparenza delle fonti si lega alla possibilità di discutere le proposte. Il grado di autonomia deve variare in rapporto alle conseguenze dell’azione. La tutela del know-how aziendale impedisce che la conoscenza migri verso piattaforme esterne all’insaputa dell’impresa. L’alfabetizzazione epistemica prepara le persone a interrogare gli output, riconoscere le assunzioni incorporate e valutare i limiti delle fonti utilizzate.

Cambia anche la natura delle competenze richieste. Saper utilizzare un agente costituisce il primo livello. Occorre imparare a orchestrarne l’attività, delimitare i permessi e costruire verifiche capaci di rivelare quando la velocità ottenuta sta erodendo la capacità deliberativa. L’AI fluency coincide allora con una disciplina del giudizio prima ancora che con la padronanza di uno strumento.

È su questo terreno che il contributo dialoga con il Pop Management. L’intelligenza organizzativa cresce quando le differenze professionali possono entrare in relazione, discutere le proprie premesse e produrre conoscenza comune. Un agente AI può sostenere tale processo, purché renda più ricca la conversazione senza chiuderla con una risposta. Può preparare la deliberazione, lasciando alle persone il compito di assumerne il rischio.

La domanda proposta da Capodanno dovrebbe quindi precedere ogni valutazione di efficienza: questo agente ci aiuta a pensare meglio?

Da come sapremo rispondere dipenderà la qualità delle nostre organizzazioni. E forse anche quella della nostra democrazia.

Agenti AI e nuovo umanesimo digitale

Governare gli agenti come infrastrutture dell’attenzione e della conoscenza organizzativa

di Paolo Capodanno

Una tesi per l’era degli agenti

L’adozione degli agenti AI segna un passaggio storico: l’intelligenza artificiale, da assistente individuale, diventa una capacità operativa inserita nei processi organizzativi. Questo saggio sostiene una tesi precisa: gli agenti AI stanno diventando infrastrutture dell’attenzione e della conoscenza. Selezionano informazioni e priorità, sintetizzano documenti, suggeriscono decisioni. Concorrono così a stabilire che cosa le persone vedono, in quale ordine e secondo quale cornice interpretativa. Ogni agente agisce dunque come mediatore cognitivo: mentre esegue un compito, organizza l’attenzione. La sua progettazione e il suo governo devono rafforzare il giudizio e la responsabilità delle persone, evitando di impoverirli.

Ne deriva una conseguenza rilevante per le imprese, le istituzioni e la democrazia. Agenti progettati per moltiplicare notifiche, sintesi e raccomandazioni possono aggiungere rumore al rumore. Quando invece selezionano le informazioni, le collocano nel loro contesto, rendono verificabili le fonti e lasciano alle persone la responsabilità della decisione, diventano strumenti di approfondimento.

Per argomentare questa tesi intreccio quattro prospettive, proposte da autori a me cari, che illuminano aspetti connessi del problema. Marco Minghetti, nei Prolegomeni al Manifesto del Pop Management 151 e 161, mette in luce il paradosso di una tecnologia ormai diffusa nell’uso individuale, il cui impatto sistemico resta modesto. Nel mio libro Il nuovo universo digitale — AI, etica e benessere interpreto questa lentezza attraverso lo scarto fra la crescita esponenziale della tecnologia e i tempi con cui maturano cultura, etica, norme e organizzazioni. Roberto Saviano mostra come il flusso ininterrotto di informazioni saturi l’attenzione e indebolisca memoria, giudizio e partecipazione. Vito Mancuso propone il criterio di fondo: l’intelligenza autentica è inter-legere, capacità di creare connessioni profonde; quella artificiale acquista valore quando favorisce l’intelligenza naturale. Il dialogo fra queste voci presenta l’adozione degli agenti AI come una prova di maturità per la cultura delle organizzazioni e per la democrazia.

Dall’AI generativa agli agenti AI

Un assistente generativo risponde a una domanda. Un agente interpreta un obiettivo, pianifica una sequenza di attività, utilizza strumenti, consulta fonti e produce un risultato operativo entro regole e limiti definiti. Può aprire ticket, predisporre report, confrontare dati, attivare workflow e collaborare con altri agenti. Prima di ogni considerazione tecnica occorre però riconoscere che, per svolgere queste attività, l’agente seleziona, ordina e sintetizza. Ciascuna azione media l’attenzione e la conoscenza di chi lo utilizza. Questa funzione lo distingue da un software tradizionale e richiede identità, permessi, tracciabilità, metriche e supervisione umana.

Chiedersi se l’agente funzioni non basta. Occorre capire quale tipo di organizzazione contribuisca a produrre. Aumenta la capacità di comprendere oppure alimenta la dipendenza dalle sintesi automatiche? Rafforza il know-how interno oppure lo trasferisce verso piattaforme esterne senza che l’impresa ne sia consapevole? Migliora la discussione fra le persone oppure la sostituisce con raccomandazioni opache? Accelera decisioni già mature oppure nasconde decisioni che nessuno ha compreso fino in fondo?

Il paradosso dell’adozione lenta

L’analisi di Minghetti fotografa il paradosso dell’AI contemporanea: la tecnologia si è diffusa nell’uso individuale, mentre fatica a generare un impatto sistemico nelle organizzazioni. Gli early adopter la usano ogni giorno; le strutture di governo aziendale stentano a tradurre queste pratiche spontanee in capacità estese e misurabili. La lentezza non deriva solo dall’inerzia. Rivela una maturità organizzativa incompleta, fatta di processi da mappare, dati frammentati, API assenti e responsabilità ambigue.

Nel mio libro Il nuovo universo digitale – AI, etica e benessere (TAB Edizioni, 2025) leggo la medesima lentezza in una prospettiva più ampia. La tecnologia evolve secondo una curva esponenziale, mentre regole, cultura ed etica richiedono tempi lineari. L’uso sociale e aziendale rischia così di precedere la comprensione dei suoi limiti. Le due diagnosi convergono: manca la capacità di governare la mediazione cognitiva introdotta dalla tecnologia. In questa carenza la questione organizzativa si lega a quella democratica.

L’adozione degli agenti AI va quindi ricondotta a un nuovo umanesimo digitale, inteso come criterio progettuale e privo di rimpianti nostalgici. La tecnologia deve accrescere la capacità umana di comprendere, decidere e rispondere delle proprie scelte. La produttività, da sola, non misura il successo. Contano anche la qualità della conoscenza e la trasparenza delle fonti, insieme alla riduzione del carico cognitivo, alla crescita del capitale umano e alla tutela della responsabilità.

La domanda centrale è questa: l’agente aiuta le persone a pensare meglio? Una risposta positiva ne fa una leva di maturità organizzativa. Una risposta negativa segnala il rischio di accelerare la superficialità.

Da Saviano a Mancuso. Attenzione relazione agenti

Saviano offre il primo anello del collegamento. La sua critica ai social quali dispositivi di cattura dell’attenzione mostra che il digitale può produrre saturazione al posto della conoscenza. Emerge una censura per eccesso: l’accesso alle informazioni rimane aperto, ma il rumore impedisce di distinguere ciò che conta. Il meccanismo riguarda anche l’impresa. L’agente che filtra la posta, prepara la sintesi del mattino e ordina le priorità di un manager distribuisce l’attenzione dentro l’organizzazione. Se viene progettato per accumulare sintesi e report, trasferisce nella vita aziendale la saturazione denunciata da Saviano nella sfera democratica.

Mancuso propone un criterio per distinguere. Alla concezione dell’intelligenza quale strumento di calcolo e dominio affianca l’inter-legere: legare insieme, creare relazioni, generare connessioni vitali. La distinzione riguarda il digitale. I social e molte tecnologie producono collegamenti che non sempre diventano legami; connettono dispositivi, profili e flussi senza garantire comunità, empatia o cura. Ne discende una regola di governo, riassunta dal classico cui prodest: l’intelligenza artificiale merita fiducia quando favorisce l’intelligenza naturale degli esseri umani. Se la indebolisce, la sostituisce o la impoverisce, occorrono sorveglianza e limiti.

Se l’intelligenza consiste nella capacità di creare connessioni profonde, la democrazia supera la semplice somma di individui informati. Vive di relazioni fondate su fiducia e ascolto, responsabilità e memoria, linguaggio comune, conflitto regolato e riconoscimento reciproco. Quando tali connessioni si indeboliscono, prevalgono la superficie comunicativa e la competizione fra stimoli. Mancuso amplia così la critica di Saviano: all’eccesso di informazione si accompagna la povertà della relazione. La medesima dinamica investe l’organizzazione, che è un tessuto deliberativo. La maggiore velocità di task e notifiche non garantisce legami più profondi fra funzioni, competenze e responsabilità.

Applicato agli agenti, il criterio diventa un test di progettazione. Oltre a verificare il funzionamento e la riduzione di tempi e costi, occorre valutarne gli effetti sulla capacità umana di comprendere, decidere, entrare in relazione e assumersi responsabilità. Un agente aiuta quando sostiene il pensiero; diventa rischioso quando abitua a delegare il giudizio e il senso critico. L’immagine dell’homo incurvatus super machinam evocata da Mancuso è efficace. Riprende la formula agostiniana dell’homo incurvatus in se, poi adottata da Lutero, e la riferisce all’essere umano chino sulla macchina, catturato dal flusso, con una vita interiore sempre più fragile. La democrazia ha bisogno di cittadini capaci di pensare, argomentare, dissentire, ricordare e scegliere. Le organizzazioni hanno bisogno di professionisti che conservino la medesima autonomia davanti ai propri agenti.

La cura diventa allora un criterio progettuale. Un agente che vi si ispira contiene il rumore informativo: seleziona e contestualizza, dichiara le assunzioni, mostra le fonti, segnala le incertezze e invita alla verifica. Sostiene la relazione e la scelta, lasciando intatta la responsabilità umana.

Il capitalismo dei dati come contesto

Dati, infrastrutture cloud e modelli sono concentrati nelle mani di pochi grandi attori digitali. La concentrazione supera la dimensione industriale: chi controlla i dati governa anche le condizioni attraverso cui individui, imprese e istituzioni accedono alla realtà e la interpretano. Il capitalismo dei dati è un modello economico e, insieme, un ambiente cognitivo. Collega persone, comportamenti e preferenze per estrarre valore dalla tracciabilità dell’esperienza umana. Le connessioni si moltiplicano, mentre le relazioni profonde restano rare. Nei termini di Mancuso, è una forma di intelligenza priva di cura: calcola e prevede, ottimizza e personalizza, senza interrogarsi sugli effetti che produce sulla vita, sulla libertà e sulla democrazia.

Per gli agenti AI la conseguenza è diretta. Un agente alimentato da queste logiche conosce preferenze, tempi, abitudini, documenti e debolezze cognitive degli utenti. In assenza di governo, rovescia l’asimmetria originaria: la macchina arriva a conoscere l’essere umano meglio di quanto l’essere umano comprenda la macchina. Nella democrazia, come nell’impresa, la conoscenza non può ridursi a un output probabilistico o a una raccomandazione personalizzata. Deve restare un processo verificabile e contestabile, con fonti visibili, assunzioni dichiarate ed errori correggibili. Il cui prodest conserva tutta la sua forza: un sistema capace di conoscere sempre meglio i comportamenti degli individui giova alla loro autonomia o alla loro eterodirezione?

Nell’era degli agenti cresce dunque l’importanza del capitale umano. Quando i sistemi algoritmici mediano la conoscenza, cittadini e lavoratori devono diventare interpreti capaci di interrogare, verificare e contestualizzare, senza rinunciare al dubbio. La democrazia e le organizzazioni hanno bisogno di un’educazione alla profondità. Essa non coincide con una lentezza improduttiva: insegna a superare la superficie del dato e a trasformare il collegamento tecnico in relazione umana, il dato in comprensione, l’output in responsabilità.

Un caso concreto. L’agente che istruisce una decisione

Un esempio chiarisce il problema. Immaginiamo che un team debba selezionare un fornitore strategico. Un agente AI riceve l’obiettivo, raccoglie offerte, bilanci, referenze e rassegna stampa, quindi produce un dossier istruttorio con tre candidati su cinque, una tabella comparativa e una raccomandazione motivata. Il comitato legge la sintesi, discute per venti minuti e delibera. La decisione conserva una titolarità umana solo sul piano formale. La parte decisiva del processo si è già consumata nei criteri con cui l’agente ha escluso due candidati, nell’ordine assegnato ai rischi e nel peso attribuito al prezzo rispetto alla solidità. La sintesi non rende visibili questi passaggi e il comitato non li discute.

Quando viene progettato secondo il criterio della cura, l’agente cambia la natura della riunione. Mostra i candidati esclusi e spiega le ragioni dell’esclusione; dichiara assunzioni e fonti; segnala i dati in conflitto e il livello di incertezza; presenta la raccomandazione come ipotesi da discutere, dando rilievo alle domande aperte. Il team dispone di una base più ricca per esercitare il giudizio. L’agente prepara la deliberazione senza sostituirla. La differenza risiede nella possibilità di valutare i criteri di selezione.

Il caso è ordinario e proprio per questo si presta a molti contesti: il dossier istruttorio di un team funzionale, il triage degli incidenti in un SOC, la definizione delle priorità in un backlog di prodotto. Quando un agente prepara una decisione, i suoi criteri di selezione entrano già nel processo decisionale. Devono quindi risultare visibili e discutibili quanto la scelta finale.

Governare gli agenti come infrastruttura cognitiva

L’esempio conduce a un principio generale: ogni agente inserito nei processi media la conoscenza. Mentre esegue compiti, seleziona informazioni e priorità, propone interpretazioni e influenza decisioni. Va governato come infrastruttura cognitiva oltre che come componente software. Le imprese dovrebbero valutare l’efficienza ottenuta insieme alla cultura della conoscenza che stanno costruendo. Le persone diventano più capaci di comprendere o più dipendenti dalle sintesi automatiche? Il know-how interno si rafforza oppure viene consegnato a piattaforme esterne? Cresce la capacità deliberativa dell’organizzazione oppure aumenta soltanto la velocità esecutiva?

Ne derivano cinque requisiti connessi. Il primo riguarda la trasparenza delle fonti: ogni output rilevante deve consentire di risalire ai dati utilizzati, alle assunzioni principali e al livello di incertezza. Il secondo è la contestabilità: una decisione suggerita da un agente deve poter essere discussa, corretta o rifiutata e restare attribuibile a responsabilità umane. Il terzo impone di proporzionare l’autonomia all’impatto dell’azione, aumentando la supervisione quando crescono le conseguenze. Il quarto tutela il know-how interno: gli agenti non devono diventare canali attraverso cui la conoscenza aziendale e i modelli decisionali migrano verso piattaforme esterne all’insaputa dell’impresa. Il quinto è l’alfabetizzazione epistemica: le persone devono imparare a usare l’AI e a comprendere come si costruisce una conoscenza, quali fonti la sostengono, quali orientamenti incorpora e quali limiti presenta.

La proporzionalità dell’autonomia richiede una traduzione operativa. Possiamo distinguere gli agenti informativi, che raccolgono e sintetizzano, dagli agenti propositivi, che raccomandano opzioni, e dagli agenti esecutivi, autorizzati a compiere azioni entro perimetri definiti. A ciascun livello corrisponde un grado crescente di supervisione, tracciabilità e possibilità di revoca. L’autonomia si guadagna attraverso prove misurate di affidabilità; non costituisce una condizione predefinita.

Questi requisiti devono entrare nella pratica organizzativa. Occorrono gruppi misti con ruoli chiari — strategist, domain expert, agent orchestrator, data steward, ethics and safety lead — e un perimetro definito per ciascun agente. Un registro delle decisioni assistite può sostenere audit periodici dedicati anche a una domanda spesso trascurata: che cosa escludono le sintesi degli agenti e in base a quali criteri? I KPI devono misurare efficienza e adozione insieme alla qualità delle decisioni, al carico cognitivo e al benessere delle persone. Una produttività ottenuta a danno del giudizio non rappresenta un successo. Serve inoltre un’AI fluency diffusa, alimentata dalla pratica, dal mentoring e dalle comunità interne. Come osservano Trabucchi e Buganza nel Prolegomeno 192 a proposito del Platform Thinking, la cura e la co-creazione di valore esigono una traduzione operativa dei principi.

La governance deve infine custodire il proprio scopo: l’agente ha il compito di favorire la conversazione organizzativa, preparando discussioni più informate, chiarendo le alternative e rendendo visibili le implicazioni. La responsabilità deve rimanere riconoscibile. Con la progressiva standardizzazione dei modelli, il vantaggio competitivo durevole si concentra nei dati proprietari, nell’orchestrazione, nella governance e nei ruoli sostenuti da metriche condivise. Accanto ai meccanismi servono occasioni di riflessione collettiva. L’organizzazione deve chiedersi se l’agente accresca la capacità di comprendere e cooperare, se rafforzi la responsabilità e se generi connessioni profonde invece di limitarsi ad accelerare gli scambi.

Conclusione. Una prova di maturità

Le quattro prospettive compongono un quadro unitario. L’adozione degli agenti AI rappresenta una prova di maturità per la cultura delle organizzazioni e per la democrazia. La sfida consiste nel rendere più profonde le connessioni, oltre ad aumentarne la quantità.

Occorre decidere quale forma di intelligenza vogliamo incorporare nelle nostre organizzazioni.

Le connessioni superficiali sono rapide e si misurano in click e output. Quelle profonde richiedono tempo, attenzione e fiducia, sostenute dalla memoria e dalla responsabilità condivisa. In azienda ciò significa progettare agenti che migliorino la qualità delle decisioni e delle relazioni, oltre alla velocità dei processi. Nella società significa adottare un’AI capace di rafforzare lo spazio pubblico senza saturarlo. Per la democrazia significa trasformare l’informazione in conoscenza e la conoscenza in responsabilità.

La scelta fra AI e umanesimo è un falso dilemma. Il compito consiste nel progettare un’AI compatibile con un umanesimo della relazione. Il capitalismo dei dati frammenta l’esperienza in segnali monetizzabili; un’AI democratica può ricomporli in conoscenza comune. Le piattaforme catturano l’attenzione; un’AI responsabile può restituirla. La tecnologia deve accrescere la nostra capacità di comprendere e produrre senso, aiutando l’essere umano a conservare autonomia, pensiero critico, cura e responsabilità.

L’adozione degli agenti AI misura così tre forme di maturità. Sul piano culturale impone di chiarire che cosa intendiamo per intelligenza. Sul piano organizzativo richiede processi leggibili, dati governati e responsabilità attribuite con precisione. Sul piano democratico investe la qualità dell’attenzione, della conoscenza e del giudizio collettivo.

Fonti e materiali richiamati

Marco Minghetti, Prolegomeni al Manifesto del Pop Management 151 e 161, sul paradosso dell’adozione lenta dell’AI nelle organizzazioni.

Marco Minghetti, Prolegomeni al Manifesto del Pop Management 180. Opinion Piece di Federico Mattia Dolci, sul tema del giudizio umano nella catena del valore.

Daniel Trabucchi e Tommaso Buganza, Prolegomeni al Manifesto del Pop Management 192, dedicato a Platform Thinking e Hypermedia Platform.

Daniel Trabucchi e Tommaso Buganza, Platform Thinking: Read the past. Write the future, Business Expert Press, 2023.

Paolo Capodanno, Il nuovo universo digitale – AI, etica e benessere, TAB Edizioni, 2025.

Roberto Saviano, L’ipnosi della democrazia – Intervento a Propaganda Live La7 – 7 marzo 2026

Roberto Saviano, Resistere all’algoritmo – Estratto monologo “Resistere” – Festival Internazionale del Giornalismo di Perugia – 14 aprile 2025

Roberto Saviano, Perché Instagram è programmato come una slot machine – Incontro presso l’Arena Repubblica Robinson – 16 maggio 2026

Vito Mancuso, intervento al convegno “C’è una sola Intelligenza”, Dinova, PalaDozza, Bologna, marzo 2026. Registrazione

L’Autore

Paolo Capodanno interviene in questa discussione sulla base dell’esperienza maturata come Vice President e Chief Digital Officer di ELT Group, azienda italiana attiva nel settore della difesa e nello sviluppo di tecnologie per lo spettro elettromagnetico e il cyberspazio. Il suo percorso unisce strategia IT, trasformazione digitale e governo del cambiamento. Nel 2025 ha pubblicato per TAB Edizioni Il nuovo universo digitale – AI, etica e benessere, il libro dal quale provengono alcune delle riflessioni riprese in queste pagine.

210 – continua

164 – LE AI CHE RECITANO LA COSCIENZA

165 – LA SINGOLARITA’ ORGANIZZATIVA

166 – MANAGER ALL’ASILO!

167 – IL MANOSCRITTO E LA RESA SILENZIOSA

168 – L’INTELLIGENZA ARTIFICIALE NELLE VENDITE

169 – OPINION PIECE DI CATERINA BOSCHETTI

170 – INTELLIGENZA ARTIFICIALE E STILI COGNITIVI

171 – OPINION PIECE DI GIULIA ALOISIO RAFAIANI

172 – DAGLI STILI COGNITIVI ALLA GOVERNANCE COGNITIVA

173 – OPINION PIECE DI FRANCOIS RASTIER

174 – OPINION PIECE DI DANIELA GENSABELLA

175 – OPINION PIECE DI ALEX CASCARANO

176 – OPINION PIECE DI ELIO BORGONOVI, FILIPPO ABRAMO, MAURO MEDA

177 – OPINION PIECE DI FILIPPO POLETTI

178 – OPINION PIECE DI AGATHE MEZZADRI-GUEDJ

179 – DUE ANNI DI AVVENTURE COLLABORATIVE

180 – OPINION PIECE DI FEDERICO MATTIA DOLCI

181 – OPINION PIECE DI MONICA MAGNONI

182– OPINION PIECE DI LUIGI CONGEDO

183– IL PROTOCOLLO DI SORVEGLIANZA STILISTICA

184– OPINION PIECE DI MANUELA RONCHI

185– PRIMA CHE GLI AGENTI DECIDANO PER NOI

186– OPINION PIECE DI VALENTINA DARA

187– LA COMPLESSITA’ E’ COLLABORATIVA. IL PENSERO POP DI EDGAR MORIN

188– LINGUAGGIO, IDENTITA’ E POTERE NELLE ORGANIZZAZIONI. PARTE PRIMA

189– LINGUAGGIO, IDENTITA’ E POTERE NELLE ORGANIZZAZIONI. PARTE SECONDA

190 – OPINION PIECE DI PAOLA VILLANI

191– LINGUAGGIO, IDENTITA’ E POTERE NELLE ORGANIZZAZIONI. PARTE TERZA

192 – OPINION PIECE DI DANIEL TRABUCCHI E TOMMASO BUGANZA

193 – OPINION PIECE DI MAURIZIO CARMIGNANI

194 – IL SOCIAL READING DEL ROMANZO E VINCE IL PREMIO ECCELLENZA TECNOLOGICA AIF

195 – OPINION PIECE DI LUCA MORI

196 – VISUAL PIECE DI FABIOLA GIANCANE

198 – REINVENTARE LE ACADEMY AZIENDALI

199 – OPINION PIECE DI RICCARDO SANTILLI

200– ARRIVANO I POP BADGE!

201 – OPINION PIECE DI PIER GIORGIO CURI

202 – OPINION PIECE DI ROSSELLA PALMIERI E GAETANO SERVIDDIO

203 – OPINION PIECE DI RENATO ALBANESE

204 – DALLA GLOBALIZZAZIONE FRAMMENTATA ALLA GLOBALITA’ FEDERATA

205 – OPINION PIECE DI CRISTINA SANGIORGI

206 – OPINION PIECE DI VALENTNO MEGALE E VALERIO MANCINI

207 – FUORI CENTRO

208 – OPINION PIECE DI DARIO FORTI

209 – LA SERIETA’ DEL POP